數位科技在教育的應用：篇五

數位科技與AI在教育應用越來越廣泛，ChapGPT於2023年在台灣教育界也掀起風潮，成為熱烈討論的課題。財團法人中技社2020年出版「AI在教育領域應用」專題報告有詳盡介紹，國外相關報導和研究也是雨後春筍。PAH平台陸續翻譯研究論文重點，以滿足讀者之好奇。

優履工作室（Uni Workplace）陪伴第一線各領域教師設計與實踐數位融入課程、教學與評量，也將陸續在此PAH平台公開分享，提供有興趣的教師攜手共學。

人工智能對教師的承諾和挑戰：系統性研究之回顧

Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The

promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4), 616-630.

陳佩英、曾子蓉編譯（2023.07.20）

摘要

• 本研究概述了教師使用人工智慧（AI）應用和機器學習方法來分析教師數據的研究。

• 分析指出，AI為教師提供了改進教學規劃（例如，確定學生需求並使教師熟悉這些需求）、教學實施（例如，通過即時回饋和教師干預）以及評量（例如，自動化作文評分）等多種機會。

• 我們還發現，教師在AI技術的發展中扮演著各種角色。這些角色包括充當訓練AI演算法的模型，並透過檢查AI自動評估系統的準確性參與AI的開發。

• 我們的研究結果進一步強調了在教學實踐中實施AI所面臨的幾個挑戰，為教育領域AI發展供作參考。

文獻回顧

人工智慧在教育領域的應用

在過去幾十年裡，出現了幾波新興的教育技術，現在則是人工智慧（AI）的時代。人工智慧這個詞首次在1956年由John McCarthy約翰·麥卡錫提出。人工智慧並不單指一項技術，而是被定義為「計算機執行認知任務，通常與人類思維相關，特別是學習和解決問題」。人工智慧是泛指各種分析方法，包括機器學習、神經網絡和深度學習。機器學習被定義為計算機算法根據數據學習並做出決策，無需進行編程。

雖然存在眾多機器學習模型，最常用的兩個模型是監督式和非監督式學習模型。監督式機器學習演算法是基於樣本數據（或訓練數據）構建模型；非監督式機器學習演算法則是利用未標記數據創建模型。換句話說，非監督模型能夠自行探索人類未曾發現的模式。

人工智慧有多種教育應用。例如，人工智慧被整合到多個教學技術中，如聊天機器人、智能教學和自動評分系統。人工智慧的相關教育研究支持學生協作和個人化學習，以及有助於學習活動的安排和學習過程的自適應回饋（adaptive feedback），減輕教師在協作共創知識的工作量，可用來預測學習者退學或被錄取的概率、分析學生背景、監控學生進展，以及自動評分等綜合評估。AI即使提供這些助益，但與其他行業（例如金融和健康）相比，人工智慧在教育領域的應用仍然落後其他領域。要在教育中成功實施人工智慧，需要多方參與，特別是教師，應參與人工智慧的創建、開發和整合。

教師在人工智慧應用中的角色

數位教育的發展並不代表未來對教師的需求會減少。若想預測人工智慧是否會取代教師，不如去了解人工智慧提供哪些可以改變教師在課堂上角色的優勢。教育技術的發展初期考量的是如何透過電腦讓學習發生和進行。至於人工智慧，學者建議，在未來可以幫助教師在學習和教學過程中繼續扮演指揮者角色。然而，要使人工智慧能夠真正幫助教師，首先必須從教師的教學行為資料中，找出有效的學與教的協調方法。這是因為有效的教學來自教師施予適當的教學方法，這些具有意義且有成效的教學事件可以作為AI 教育系統模型建立之基礎；也就是說，從學習環境中蒐集的數據構成了人工智慧教學模型的基礎。例如，這些數據可以幫助研究人員了解教學何時以及如何有效進行。

為了在學校中有效整合人工智慧的教育，必須賦予教師相應的知識、技能和態度。然而，教師的人工智慧相關技能尚未被充分定義，因為人工智慧在教育中的潛力尚未完全利用。要探究教師的人工智慧相關知識、技能和態度，必須詳細調查他們在教學環境中與基於人工智慧系統的互動方式以及他們在基於人工智慧的教育系統開發中的參與情況。

因此，在這項研究中，我們回顧了關於教師如何與基於人工智慧系統互動以及他們如何參與基於人工智慧教育系統開發的實證研究。我們相信，我們對這一主題的實證研究綜合將有助於確定與人工智慧相關的教學技能，並在教師的支持下有效實施人工智慧的教育。

本研究透過系統性回顧最新的研究，探討了教師在基於人工智慧的研究中的觀點和角色。我們具體的研究問題如下：

RQ1-檢視研究教師使用人工智慧的時間分佈情況？

RQ2-在關於基於人工智慧的教育研究，從教師收集了什麼數據？

RQ3-教師在基於人工智慧的研究中扮演了什麼角色？

RQ4-人工智慧為教師提供了哪些優勢？

RQ5-教師在使用人工智慧進行教育時面臨了哪些挑戰？

RQ6-教師參與的基於人工智慧研究中使用了哪些人工智慧方法？

研究分佈情況

研究問題一：檢視研究教師使用人工智慧的時間分佈情況如何？

第一篇關於教師使用人工智慧的研究於2004年發表。在我們審查的44篇研究中，有22篇發表於2018年及其以後。自2017年以後，關於基於人工智慧的教學的研究發表數量增加，意味著教師進行人工智慧相關教學很可能在不久的將來變得更加普遍。

自2010年以來，2015年至2019年發表的研究占Web of Science和Google Scholar所有研究的70％。世界各地人工智慧技術和教育軟體公司的產品服務正迅速增加，表示教師使用人工智慧的情況也會增加。

另一方面，與醫學和商業等其他領域相比，教育領域對人工智慧的研究仍顯較少。教育科技（EdTech）市場在數位轉型的動力方面增長速度遠遠慢於其他市場。教育工作者、教師和傳統教科書出版商對使用人工智慧存在抵制。要扭轉這種情形，需要更多的研究證實人工智慧在教學過程中的助益，以加快人工智慧技術在教育領域的應用。

圖3 數據類型

註： Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4), p.620.

RQ2—在基於人工智慧教育的研究中，教師提供了哪些數據？

研究人員搜集報告數據來預測與教師相關的變量，如參與度、表現和教學質量。在這些研究中，使用機器學習演算法，而不是傳統的回歸分析，來揭示教學實踐變量之間的非線性關係。在回顧研究中，有11個研究中的教師提供了多種類型的數據，從中發現教師在教學過程中的關鍵角色。例如，Schwarz等（2018）提出了一種使用機器學習的在線學習環境，通過向教師發送警告，通知教師關於學習者在合作學習中的關鍵時刻。該研究觀察了教師如何在數學課堂上在不同時間指導不同的小組。除觀察外，他們還蒐集了教師對虛擬環境有效性的訪談數據。不過，關於生理數據方面的蒐集顯得較少，僅一件有收集到教師佩戴的眼動追蹤和視聽/加速度計數據。事實上，從過程導向的角度來看，生理數據可以被認為是提供關於影響教學或學習質量的關鍵時刻的客觀指標，因此被視為相關且有用的數據。

教師於AI研究中的角色

RQ3—教師於AI研究中的角色是什麼？

我們的研究結果顯示教師在AI研究中扮演著七種角色。

1. AI演算法訓練的模型：教師作為AI演算法訓練的模型，提供有效教學過程或關鍵時刻的數據。

2. 為AI系統提供教師專業發展的數據：教師提供數據，用於預測教師相關變量，如教學質量、教師表現和參與度。

3. 為AI演算法提供學生資訊和行為數據：教師提供學生的特徵和行為數據，用於AI系統的實施或干預。

4. 檢查評量的準確性：教師為了測試 AI評分演算法的準確性，對作業和論文進行了評分。

5. 確定評量標準：教師確定基於AI的評量的標準。

6. 提供教學材料的教學指導：教師為 AI 基礎實施（介入）的材料選擇提供了教學指導。

7. 提供技術問題的反饋：教師就AI設計或可用性等技術問題提供反饋和意見。

這些角色突顯了教師在AI應用在教育研究的積極參與。教師的專業知識和經驗對於成功開發和實施基於AI的教育至關重要。

圖4 AI優勢和教師AI研究中的角色

註: Celik, I., Dindar, M., Muukkonen, H., & Järvelä, S. (2022). The promises and challenges of artificial intelligence for teachers: A systematic review of research. TechTrends, 66(4), p.624

AI為教師提供的優勢

RQ4—AI為教師提供的優勢為何？

規劃方面：

• 提供學生背景資訊：教師可以從AI系統獲取關於學生背景的資訊。

• 選擇學習內容：教師可以使用AI來判斷學習內容對學生的適應性和需求。

• 規劃活動：AI可以協助教師規劃課程活動。

• 及時監測：教師可以透過AI對學生進行及時監測。

實施方面：

• 減輕教師工作量：AI能夠減輕教師的工作負擔。

• 提供即時回饋：AI使教師能夠立即給予學生回饋。

• 選擇/調整最佳學習活動：基於AI的回饋，教師可選擇或調整最適合學生的練習活動。

• 促進及時干預：AI可以幫助教師進行及時干預，以實現更好的學習效果。

• 追蹤學生進展：教師可以透過AI追蹤學生的學習進展。

• 使教學過程更有趣：利用基於AI的應用或教學使教學過程對教師更有趣。

• 增加互動：AI有助於提高教師與學生之間的互動。

評量方面：

• 更好預測/評估教師的表現/成果：AI能提供更準確的教師表現和結果的預測和評估。

• 自動評估和評價：AI可以幫助教師自動進行考試、論文評分和決策。

• 提供教學實踐有效性的回饋：AI可以向教師提供有關教學實踐有效性的反饋。

• 協助臨床決策：AI可以幫助教師進行臨床決策，例如對自閉症譜系障礙的判斷。

這些優勢使得教師能夠更有效地進行教學工作，提供更個人化和適應性的教育體驗。

AI在教育中使用面臨的挑戰

RQ5—教師在AI教育中面臨的挑戰？

• AI演算法的可靠性有限：AI算法尚不足以提供對教師有用的訊息。

• AI技術能耐有限：AI可能無法處理特定的圖形、圖像或文本。

• 學校的科技基礎設施有限：學校在進行基於AI的教學時的技術基礎設施有限。

• AI系統無法適應多種情境：AI系統無法在多種學習環境中正常運作。

• AI在評估和評價上的效率不足：AI無法有效評估文本結構和內容的邏輯及其連貫性。

• 教師對AI使用的技術知識匱乏：教師可能缺乏運用AI進行教學所需的技術知識。

• 教師對AI缺乏興趣：教師可能認為AI在教學上是無趣且不愉快的。

• AI反應時間緩慢：AI提供的回饋時間可能比預期的更長。

• AI的適應性反饋有限：AI可能無法提供全面的適應性和個人化回饋。

這些挑戰影響了教師在使用AI時的效益和使用體驗。為了克服這些挑戰，需要持續改進AI技術，提供更可靠和有效的教學支援，同時提供教師培訓和支持，以增強其對AI的理解和應用能力。此外，學校需要改進其科技基礎設施，以確保AI在教育中應用上的暢通性和效率

結論與未來研究

隨著對AI使用的興趣日益增長，關於教師使用AI的研究也在過去幾年中呈增加趨勢，對於教師使用AI的了解還需要更多的研究。隨著AI在教育中的普及，無疑將有更多的研究關注教師在教學中使用AI的情況。本文回顧相關研究發現，職前教師對AI的使用之研究較少。因此，我們建議對職前教師的AI使用進行更多研究。培養職前教師對AI的認識和技能可能有助於未來課堂中更好地應用基於AI的教學方法。

綜述以上，AI在教育中使用的方法和數據多樣性有限。多數教師只使用了自報數據和/或觀察數據，而不同的數據模態可以創造更多機會來理解教學和學習過程。AI系統的數據類型（例如生理數據）可以更好地理解教學和學習的不同層面，從而幫助教師進行有效的學習干預，提供及時的回饋，並在教學過程中進行更能準確評估學生的認知和情感狀態。利用多模態數據可以幫助建模更高效和有效的基於AI的教育系統。因此，進一步的研究工作有其必要，以改進基於多模態數據的AI系統的能力。

研究結論是教師在AI教育系統開發中參與有限，儘管在一些研究中，有經驗的教師被招募來訓練AI演算法，但仍需進一步努力，使更多教師參與到AI系統的開發中。這種參與應超越訓練AI演算法，讓教師參與到關鍵的決策過程中，以便更好地開發（或不開發）更好的教學AI系統。對於AI開發人員和軟體公司來說，考慮教師在開發過程中的參與是必要的。

本研究表明，AI對教師的教學具有普遍的好處。教師可以在規劃、實施和評估工作中利用AI的幫助。AI幫助教師了解學生的學習需求，從而確定最適合學生的學習內容和活動。在活動進行中，例如協作任務，教師可以透過AI及時監控學生並給予他們即時的回饋。教學結束後，基於AI的自動評分系統可以幫助教師進行評估。這些優勢減輕了教師的工作負擔，使他們能夠專注於及時干預和評估等關鍵問題。然而，許多研究主要是透過機器學習演算法來預測結果變量（例如表現、參與度和工作滿意度）。需要進行更多的研究以使AI系統能夠提供資訊和反饋，關於教師教學時學習過程如何隨時間展開。然後，教師將能夠與實際的AI系統進行互動，以更好地理解可能的教學介入機會。

Abstract

This study provides an overview of research on teachers’ use of artificial intelligence (AI) applications and machine learning methods to analyze teachers’ data. Our analysis showed that AI offers teachers several opportunities for improved planning (e.g., by defining students’ needs and familiarizing teachers with such needs), implementation (e.g., through immediate feedback and teacher intervention), and assessment (e.g., through automated essay scoring) of their teaching. We also found that teachers have various roles in the development of AI technology. These roles include acting as models for training AI algorithms and participating in AI development by checking the accuracy of AI automated assessment systems. Our findings further underlined several challenges in AI implementation in teaching practice, which provide guidelines for developing the field.

Keywords Artificial intelligence in education, Systematic review, Teacher professional development, Technology integration